本文讲解如何解析类似"000001bilbobagginsesq.1020"这样无分隔符的紧凑字符串，通过正则匹配提取字段，并用`printf`或`string.formatted()`实现对齐排版输出。
原始问题中，文件内容是连续拼接、无任何分隔符（如空格、逗号、制表符）的字符串，例如 "000001BilboBagginsEsq.1020"。直接调用 System.out.printf("%-60s", rec) 只是对整行做宽幅左对齐，无法自动拆分字段——这正是你看到 1 000001BilboBagginsEsq.1020 的原因：printf 并未“理解”字段边界，它只是把整个 rec 当作一个字符串处理。
要实现目标格式：
000001 Bilbo Baggins Esq. 1020
必须先结构化解析原始字符串，再按字段分别格式化。推荐使用 java.util.regex.Pattern 和 Matcher 进行稳健的字段提取。
✅ 正确步骤：解析 + 格式化
-
定义字段规则（基于示例数据推断）：
- 字段1（ID）：6位纯数字 → \d{6}
- 字段2（First Name）：首字母大写 + 小写字母/点/下划线 → [A-Z][a-z._]+
- 字段3（Last Name）：同上
- 字段4（Title）：同上（如 "Esq." 包含点）
- 字段5（Year）：4位数字 → \d{4}
编写解析类（推荐封装）：
import java.util.regex.*;
class Entry {
String id, firstName, lastName, title, birthYear;
static Entry parse(String line) {
Entry e = new Entry();
// 精确匹配全部5个字段（避免过度匹配）
String regex = "(\d{6})([A-Z][a-z._]+)([A-Z][a-z._]+)([A-Z][a-z._]+)(\d{4})";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(line);
if (m.matches()) { // 使用 matches() 确保整行匹配，更安全
e.id = m.group(1);
e.firstName = m.group(2);
e.lastName = m.group(3);
e.title = m.group(4);
e.birthYear = m.group(5);
} else {
System.err.println("Warning: Line format mismatch — '" + line + "'");
}
return e;
}
@Override
public String toString() {
// 每字段预留15字符宽度，左对齐；年份右对齐更自然（可选）
return String.format("%-15s%-15s%-15s%-15s%-15s",
id, firstName, lastName, title, birthYear);
}
}? 提示：String.format() 或 String.formatted()（Java 15+）比链式 += 更高效、可读性更强；%-15s 表示左对齐、最小宽度15。
- 在文件读取循环中使用（注意资源管理与异常处理）：
JFileChooser chooser = new JFileChooser();
if (chooser.showOpenDialog(null) == JFileChooser.APPROVE_OPTION) {
File file = chooser.getSelectedFile();
try (BufferedReader reader = new BufferedReader(new FileReader(file))) {
String line;
int lineNumber = 0;
while ((line = reader.readLine()) != null) {
lineNumber++;
Entry entry = Entry.parse(line.trim()); // trim() 去除可能的首尾空白
System.out.printf("%-4d %s%n", lineNumber, entry); // 输出：行号 + 格式化记录
}
} catch (IOException e) {
System.err.println("读取文件失败: " + e.getMessage());
}
}
System.out.println("
Data file read!");⚠️ 注意事项与优化建议
- 正则健壮性：若实际数据存在变长（如 ID 不总是 6 位），应调整为 (\d+) 并配合业务逻辑校验，而非硬编码 {6}。
- 大小写敏感：当前正则依赖 Bilbo/Baggins 首字母大写。若数据不规范（如全小写），需改用 (?i)[a-z] 或预处理标准化。
- 性能考虑：若文件极大，可将 Pattern.compile(regex) 提升为 static final Pattern，避免重复编译。
- 替代方案：若字段长度严格固定（如 ID=6, FirstName=10, LastName=12…），可用 substring() 切片，更快但缺乏容错性。
最终输出效果（含行号）：
1 000001 Bilbo Baggins Esq. 1020 2 000002 Frodo Baggins Mr. 1050
通过结构化解析 + 字段级格式化，你就能精准控制每一列的宽度与对齐方式，彻底解决“printf 被忽略”的表象问题——本质不是 printf 失效，而是输入数据尚未被正确分解。
